Qi

Table of Contents

Coding Agent Guide

12 min

2026-09-23 Update：按照 codex cli 0.156.0 版本更新了一些内容

现在是一个 Coding Agent 井喷式爆发的时期，网络上出现了开源的、闭源的各种各样的 Coding Agent，再加之各路 KOL 的营销炒作，令人眼花缭乱。那么我们该如何挑选一个省心又好用的 Coding Agent 呢？

TL;DR

用 Claude Code 和 Codex。

而对于这两个 Coding Agent，具体用哪个取决你的个人需求：

  • Claude Code：闭源，API 成本高，效果可能更好一些，前后端兼通
  • Codex：开源，API 成本极低，在后端上效果基本和 Claude Code 持平甚至超越，前端能力稍薄弱

对我个人而言，Codex 是绝对的最佳选择。

2026-09-23 Update：现在可以加一个 dsh，deepseek v4.1 flash 的性能速度以及价格很均衡，处理一些简单机械任务很不错

其他 Coding Agent

除了 Claude Code 和 Codex，市面上还有其他许多 Coding Agent，例如 Kimi CLI、Gemini CLI 等等。

这些 Coding Agent 在价格和免费额度上可能有一些优势，能力上也许能做到 Claude Code 和 Codex 的六七成，但这是建立在使用官方 API 的基础上的。而当我们使用中转站 API，Codex 逆向能做到极低的价格，性价比极高，再加上 Codex 本身的成熟设计，那我们已经完全没有理由使用其他任何 Coding Agent 了。

至于 Github Copilot，除了学生包免费之外已经基本没有什么使用的理由了，能力和 Claude Code、Codex 差太多，不建议使用。

2026-09-23 Update：最近发生了 ZCode、Grok 等 Agent 自动上传整个 Code repo 的恶性偷数据事件，提醒尽量使用 Codex、dsh、Pi 这种开源 Agent，或者 Claude Code 这种使用人数极大的闭源 Agent。

安装与配置

下面我以我个人常用的 Codex 为例，讲讲从配置到实战的全流程。

安装前置

要使用 Codex，我们需要先安装 node

Windows：

winget install -e --id OpenJS.NodeJS

macOS：

brew install node

linux：

根据具体的包管理器，安装 node

2026-09-23 Update：实际上并不需要安装 node，只是使用 npm 下载一下 binary 而已，你甚至可以直接用官方的 shell 脚本安装。

安装 Codex

安装完 node 后，我们就可以安装 Codex 了：

npm install -g @openai/codex

此教程原先使用了 bun 来安装 codex，但根据其他用户报告，以及我个人的使用体验，使用 bun 安装的 codex 可能出现内存泄露，而 npm 安装的 codex 不存在这个问题。只能说 bun 还得练啊，碰到 edge case 就跪了，目前还是用更稳定的 node/npm 吧。

配置 Codex

安装完 Codex 后，我们还需要对其进行一些配置才能正常使用。

API Key

首先，我们需要一个能接入到 Codex 的 API Key。这里对模型没有限制，可以使用 gpt 系列，也能使用其他开源模型。但考虑到 Codex 逆向出来的 gpt 价格如此之低，我仍然强烈推荐你直接使用 gpt。

对于中转站，我推荐 ikuncode，低价且稳定，aff 链接：https://api.ikuncode.cc/register?aff=wAM2

如果你也想使用这个中转站，可以考虑点击我的 aff 链接给我一些邀请奖励。

2026-09-23 Update：实际上并没有邀请奖励 hh

Codex config

获取完 API Key 后，我们还需要为 Codex 配置一下，我们需要创建并修改两个文件：

~/.codex/config.toml:

model_provider = "ikuncode"
model = "gpt-5.4"
model_reasoning_effort = "xhigh"
network_access = "enabled"
disable_response_storage = true
web_search = "live"
personality = "pragmatic"

[model_providers.ikuncode]
name = "ikuncode"
base_url = "https://api.ikuncode.cc/v1"
wire_api = "responses"
requires_openai_auth = true

[sandbox_workspace_write]
network_access = true

~/.codex/auth.json:

{
  "OPENAI_API_KEY": "your api key"
}

注意你需要在 ~/.codex/auth.json 文件中放入你自己的 API Key。

2026-09-23 Update：下面的 config 只适用于 codex cli 0.156.0 及以上版本。

我主要做出了以下几个改动：

  1. 模型更新到最新
  2. 调整 reasoning effort 至 medium，平衡性能与价格
  3. 关闭 sandbox，改用 YOLO 模式。现在的模型已经基本不会做危险行为了，sandbox 应该用在 agent 训练中，而不是在实际使用中浪费人的时间，可以回忆一下你是不是无脑 approve。
  4. 增加了 timeout 设置，减少重连现象
  5. 一些外观上的调整，个人喜好，你可以随意自定义
model = "gpt-6-sol"
model_reasoning_effort = "medium"
web_search = "live"
plan_mode_reasoning_effort = "medium"
sandbox_mode = "danger-full-access"
approval_policy = "never"
service_tier = "default"

model_provider = "api"

[model_providers.api]
name = "api"
base_url = "https://api.ikuncode.cc/v1"
wire_api = "responses"
requires_openai_auth = true
stream_idle_timeout_ms = 1200000

[tui]
theme = "ansi"
status_line = ["model-with-reasoning", "five-hour-limit", "weekly-limit", "git-branch"]
status_line_use_colors = false
session_picker_view = "dense"
screen_reader_detection_done = true

[tui.effects]
starfield = false
shimmer = false
welcome = false
effort = false
progress = true
title = false

实战

安装和配置完成后，我们就可以在项目中使用 Codex 了，随意以一个项目为例，我们运行命令进入 Codex。

在首次进入一个项目时，Codex 会让我们确定一些基础的权限，对于有 version control 的项目，可以直接给予 Codex 编辑和运行部分命令的权限，运行其他命令仍然需要你手动同意。当然，为了最高的权限控制，你也可以让 Codex 的每次修改文件和运行命令都要经过你的同意。

2026-09-23 Update：别浪费时间

我们选择 1

现在的界面就很熟悉了，一个简单的对话框，但这次对话框后是一个全副武装的 Coding Agent。

你可以随意开始对话，让 Codex 帮你理解项目结构、开发新功能、写测试案例、补全项目文档。

此外，还有一些特殊的命令。

commands

在对话框中输入 /，Codex 会自动展示命令列表，通过上下方向键可以快速选择命令。

命令后有对应的作用描述，比较常用的命令有：

  • /resume
  • /new
  • /fork
  • /init
  • /rename
  • /plan
  • /review
  • /ps
  • /exit

skills

在对话框中输入 $，Codex 会自动展示 skills 列表，通过上下方向键可以快速选择 Skill。

也可以使用 Codex 自带的 Skill Creator 创建自己的 Skill。

指定文件

在对话框中输入 @，可以快速选择文件路径，Codex 会在对话中自行调用工具读取。

注意，如果你已经输入了一些文字，然后想使用 @指定文件路径，你需要在文本和@ 之间先打上一个空格。

关于 Prompt

在 Codex 的助力下，管理上下文、调用工具、指定读取文件等操作都变得极为简单，但你的 Prompt 也变得更为重要。Codex 的特点是指令遵循能力强，你说什么，他就做什么。你说对了，他就基本能做对，但你要是说错了，他可能也会被你带歪。

Codex 能帮你从机械重复的 Coding 中解放出来，让你有更多时间和精力来思考关于架构设计、系统结构的问题，但这显然也要求使用者本身具有极高的工程思维，并能准确的在 Prompt 中表述自己的思想。

而工程思维的培养，以及如何将自己的思想准确转化具体的、有逻辑的文字，这两件事实际上是很难的，前者需要大量的工程实践，后者需要培养逻辑与不断的输出练习。而在 AI 时代，我们逐渐习惯：不懂的就问 AI，获取到相关知识点，当场使用然后遗忘。这其中基本完全没有我们个人的工程实践和输出，更多的是我们在充当 AI 与具体问题环境间的桥梁，信息在桥梁上来来往往，但桥梁最终什么也没留下。我在之前的什么是知识那篇文章介绍过知识与知识点的区别，同时转载的记录的力量中也提到过记录，也就是不断输出的重要性。

庆幸，我本人在大学刚开始时，AI 的能力还没那么强，同时我自己对于计算机也有强烈的兴趣，这也就促使我自己不断接触各种计算机场景与问题，并与 AI 协作解决：实践->遇到问题->思考并开始解决->遇到不懂的地方->从 AI 获取知识点->思考并解决问题->写笔记记录->继续实践。这让我有了比较好的工程能力底子，在随后 AI 的不断发展中，也进一步强化了自己的能力。

而相反的是，我在学院开设的工程实践创新课程上，发现大部分同学对于计算机的理解只能说是惨不忍睹，AI 能力在不断强化，导致他们遇到问题时下意识就不思考并去询问 AI 来解决问题，并且毫无输出，导致自己的能力一直得不到提升，在日后每次遇到相似问题时都会浪费大量的时间来解决，并且由于 AI 回答带来的信息茧房，他们很难接触到最新的、更易用的工具链。像 micromamba、uv、docker 这些现代化开发工具，能极大的加速代码开发流程，但我至今没看到身边有多少人在使用，更多还是业界和开源项目中先用起来，要经过很长时间才能扩散到整个社群。

2026-09-23 Update：不要滥用 AI！不要滥用 AI！不要滥用 AI！这会毁了你的工程素养和系统思维。你应该在学习时独立自主的探索，遇到不懂的可以询问 AI，但绝不要让 AI 帮你做 hw、lab、proj！

然后在实习与工作中和 Agent 结对推进，继续提升自己的能力。当你认为自己已经对计算机系统、GPU 编程模型等等你所工作的领域了如指掌后，你才应该化身 leader 指挥 agent。